先记录一下 idea安装Python的语言支持插件后的操作：我用的是windows环境、windows环境、windows环境。
首先 下载 Anaconda3 的可执行文件 下载地址
然后安装，安装过程中有一个环节，默认打了一个勾，把上面的配置环境变量也勾上，然后一路next
借图说明下：
安装完成后，打开cms 输入 ：conda info --env 查看下环境，默认只有一个base；
下面那个py37是后来建的，创建命令conda create -n py37
删除环境谨慎执行：conda remove -n py37
激活环境：activate base
关闭环境：deactivate base
激活后，就可以起飞了。
惯例：helloworld
#!/usr/bin/python3 print(‘hello world‘)
1,
报错原因：
TypeError: can’t use a string pattern on a bytes-like object.
html用decode(‘utf-8’)进行解码，由bytes变成string。
py3的urlopen返回的不是string是bytes。
解决：
html = html.decode(‘utf-8‘)
2.
报错原因：
如果用 urllib.request.urlopen 方式打开一个URL,服务器端只会收到一个单纯的对于该页面访问的请求,但是服务器并不知道发送这个请求使用的浏览器,操作系统,硬件平台等信息,而缺失这些信息的请求往往都是非正常的访问,例如爬虫.
有些网站为了防止这种非正常的访问,会验证请求信息中的UserAgent(它的信息包括硬件平台、系统软件、应用软件和用户个人偏好),如果UserAgent存在异常或者是不存在,那么这次请求将会被拒绝(如上错误信息所示)
所以可以尝试在请求中加入UserAgent的信息
解决：
def getHtml(url):
u = urllib.request.URLopener() # Python 3: urllib.request.URLOpener
u.addheaders = []
u.addheader( ‘Accept‘, ‘*/*‘)
u.addheader(‘Accept-Language‘,‘en-US,en;q=0.8‘)
u.addheader( ‘Cache-Control‘, ‘max-age=0‘)
u.addheader( ‘User-Agent‘, ‘Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/48.0.2564.116 Safari/537.36‘)
u.addheader( ‘Connection‘, ‘keep-alive‘)
u.addheader( ‘Referer‘, ‘http://www.baidu.com/‘)
page=u.open(url)
html = page.read()
html = html.decode(‘utf-8‘,"ignore")
page.close()
return html
3.在一个py文件中，引入另一个py文件，直接import即可
4.用python3版本，引入request的下载函数 urlretrieve时候，可以这么做,举一反三，可以减少代码量
from urllib.request import urlretrieve
urlretrieve(url,filename)
5.在获取对象Html时，即使加了decode(‘utf-8‘),也仍旧报错：
‘utf-8‘ codec can‘t decode byte 0xd7 in position 309: invalid continuation byte
解决方法：decode(‘utf-8‘,‘ignore‘)
6.int 型变量 index 转 str类型---->str(index)
相反：str类型变量 string 转int类型 -----> int(str) --------10进制下
7.显示下载进度
def Schedule(a,b,c): per = 100.0 * a * b / c if per>100: per = 100 print(‘完成！‘) print(‘%.2f%%‘ % per)
urlretrieve(fileUrl,fileName,Schedule)
效果如下：
8记录一个爬网址图片，然后创建文件夹存图片的操作
# coding:utf-8
import requests
from bs4 import BeautifulSoup
import os
# 创建一个文件夹名称
FileName = ‘mm‘
def dd():
if not os.path.exists(os.path.join(os.getcwd(), FileName)): # 新建文件夹
os.mkdir(os.path.join(os.getcwd(),FileName))
print(u‘建了一个名字叫做‘, FileName, u‘的文件夹！‘)
else:
print(u‘名字叫做‘, FileName, u‘的文件夹已经存在了！‘)
url = ‘http://www.xiaohuar.com/list-1-1.html‘
html = requests.get(url).content # 返回html
# html = html.decode(‘utf-8‘)
soup = BeautifulSoup(html,‘html.parser‘) # BeautifulSoup对象
jpg_data = soup.find_all(‘img‘,width="210") # 找到图片信息
index = 1
for i in jpg_data:
deindex = str(index) + "a"
data = i[‘src‘] # 图片的URL
print("图片url为"+data)
if "https://www.dxsabc.com/" not in data:
data = ‘http://www.xiaohuar.com‘+data
r2 = requests.get(data)
fpath = os.path.join(FileName,deindex)
with open(fpath+‘.jpg‘,‘wb+‘)as f : # 循环写入图片
f.write(r2.content)
index += 1
print(‘保存成功，快去查看图片吧！！‘)
if __name__== ‘__main__‘:
dd()
9记录一个爬网址的shtml下的文章，然后创建文件夹存文件的操作
还在弄，持续更新中。。。
原文地址：https://www.cnblogs.com/justtodo/p/11175245.html